Evidence-based nursing 2° giornata

Evidence-based Evidence-based nursingnursing

2° giornata2° giornata

Gruppo Formatori - Centro Studi EBN Gruppo Formatori - Centro Studi EBN Direzione Servizio Infermieristico e Tecnico Direzione Servizio Infermieristico e Tecnico

Azienda Ospedaliero-Universitaria di Bologna – Azienda Ospedaliero-Universitaria di Bologna – Policlinico S. Orsola MalpighiPoliclinico S. Orsola Malpighi

Il nostro programma di oggi

Centro studi EBN - Bologna

• La tipologia degli studi (come sono costruiti ed a quali quesiti rispondono i diversi tipi di studi).

• Cenni di statistica• Cenni di analisi critica degli studi

La tipologia degli studi

ovvero come sono costruiti ed a quali quesiti rispondono i diversi tipi di studi


Cosa significa

Studio osservazionaleStudio osservazionaleÈ l’indagine con cui i ricercatori osservano un fenomeno senza modificarlo. Si contrappone allo studio sperimentale, nel quale i ricercatori intervengono attivamente manipolando la variabile indipendente.


Cosa significaStudio sperimentaleStudio sperimentale

è quello in cui i ricercatori stanno verificando un'ipotesi e nel quale sono determinati a priori i termini dell'esperimento. In uno studio controllato coloro che ricevono il trattamento sperimentale (cioè quello in studio) si dicono essere nel braccio sperimentale.


Cosa significa

Studio analiticoStudio analiticoTipologia di indagine in cui è possibile trarre informazioni dal confronto degli esiti di due gruppi, dal quale emergono le relazioni tra le variabili osservate.



Trial randomizzati e controllati in doppio cieco

Trial controllati e randomizzatiStudi di Coorte

Serie di casiReport di caso

Editoriali, opinioni, ideeRicerca su animali

Ricerca in vitro

GERARCHIE DELLE FORME DI PROVA

Quali sono?

Per ogni domanda un disegnoCentro studi EBN - Bologna

Eziologia o Danno

Studi che verificano l’esposizione ad un fattore di rischio


Studi che verificano l’eziologia (danno)

Esempiovogliamo verificare se avere un indice di massa corporea basso (BMI) (l’esposizione) è un fattore di rischio per le lesioni da decubito (l’esito).


Come posso rispondere a questa domanda?

Attraverso tre disegni:

• Gli studi cross sectional• Gli studi caso controllo• Gli studi di coorte


Studi cross sectional

Sono studi trasversali che raccolgono informazioni relative all’esposizione ai fattori di rischio ed ai loro esiti (insorgenza della patologia) nello stesso momento e sullo stesso paziente.


Nel nostro esempio i dati potrebbero essere raccolti da un campione di residenti provenienti da 5 case di riposo.

Gli operatori assistenziali dovrebbero compilare un questionario per ogni residente, contenente informazioni sul peso e l’altezza (per calcolare il BMI), alcuni elementi sulla quantità e sulla gravità delle lesioni da decubito, ed altri fattori che potrebbero essere loro collegati, quali l’età, i recenti ricoveri ospedalieri, le patologie croniche e la mobilità.



Questi dati, quindi, devono essere analizzati per vedere se i residenti con un basso BMI hanno più probabilità o meno di sviluppare almeno una lesione da decubito.



Studio caso controllo

Sono studi retrospettivi che partendo dalla presenza, o meno, dell’esito (endpoint) raccolgono informazioni relative all’esposizione ai fattori di rischio.



Nel nostro esempio il ricercatore dovrebbe identificare un gruppo di residenti nelle case di riposo con lesioni da decubito, i casi. Dovrebbe identificare anche un altro gruppo di residenti che non hanno tali lesioni, i controlli. Quindi, dovrebbe raccogliere informazioni sulle precedenti esposizioni (cioè l’BMI al ricovero nella casa di riposo) per ogni paziente del gruppo dei casi e di quelli dei controlli.



Dovrebbero quindi essere confrontate le differenze in termini di prevalenza, rispetto all’esposizione (BMI), tra i due gruppi.


Studio caso controllo Espositi Outcome (casi) Non esposti Pazienti eleggibili No outcome Esposti (controlli) Non esposti Direzione della raccolta dati: outcome esposizione

Centro Studi EBN - S.Orsola-Malpighi - Bologna

Studio di coorte

Sono studi prospettici che partendo dall’esposizione ai fattori di rischio, o meno, verificano se insorge l’esito.

Studio di coorte

In uno studio di coorte, il ricercatore dovrebbe identificare un gruppo di residenti delle case di riposo, che non presentano lesioni da decubito, e misurare il loro BMI. Questo gruppo, poi, deve essere seguito nel tempo, per determinare quanti di loro, e quali, sviluppano una lesioni da decubito.


Studio di coorte

Outcome Esposti No outcome Pazienti eleggibili Outcome Non esposti No outcome Direzione della raccolta dati: outcome esposizione

Centro Studi EBN - S.Orsola-Malpighi - Bologna

Gli studi sperimentali

Trial randomizzato e controllato

Esposizione: I ntervento Outcome Sperimentale No outcome Pazienti eleggibili Randomizzazione I ntervento Outcome Controllo No outcome Direzione della raccolta dati: esposizione outcome

Anatomia

dell’RCTGruppo SperimentaleGruppo Sperimentale

Gruppo di ControlloGruppo di Controllo

OutcomeOutcome

No No OutcomeOutcome

OutcomeOutcome

No No OutcomeOutcome


2Le revisioni sistematiche

e le metanalisi

2Le revisioni sistematiche

e le metanalisi


REVIEWS

• REVISIONI TRADIZIONALI

• REVISIONI SISTEMATICHE


REVISIONE TRADIZIONALE

• Paragonabile al capitolo di un libro• Non esplicitato il metodo di

selezione, sintesi e interpretazione delle evidenze

• Impossibilità di fare una valutazione critica

• Obiettivi molto ampi• Spesso fatte su commissione


REVISIONE SISTEMATICA

• E’ una ricerca scientifica vera e propria• Esplicitato il protocollo metodologico• Possibilità di fare una valutazione critica

(definizione di obiettivi, fonti, criteri…)• Sintesi dei risultati spesso fatta con

metodo meta analitico


Systematic review

analisi metodologica

Meta – analisi

analisi statistica

META - ANALISI

• Metodo per combinare i risultati di più studi indipendenti in modo da poter calcolare un valore statistico riassuntivo totale (cumula insieme più trials per ottenere un risultato unico)

• E’ spesso usata per valutare l’efficacia degli interventi a tutela della salute (possibile grazie alla combinazione dei dati di 2 o più RCT

• Consente una stima precisa dell’efficacia di un trattamento

• La validità di una MA dipende anche dalla qualità della RS su cui si basa


META - ANALISIE’ utilizzata

• nei casi di incertezza nella valutazione di efficacia di un trattamento

• quando i risultati dei singoli non sono univoci

• Quando singoli studi sono effettuati su un campione di pazienti numericamente scarso (poco affidabili)

la combinazione dei dati diminuisce l’imprecisione dei risultati dei singoli studi

Le Revisioni Sistematiche

The Cochrane Library


COCHRANE COLLABORATIONNasce nel 1993 la fondazione CC, un network internazionale con l’obiettivo di “preparare, aggiornare e disseminare revisioni sistematiche degli studi clinici controllati sugli effetti dell’assistenza sanitaria e, laddove non disponibili studi clinici controllati, revisioni sistematiche delle evidenze comunque esistenti” Chalmers I., 1993


COCHRANE LIBRARY

• E’ la fonte di elezione per ricercare informazioni in merito all’efficacia dei trattamenti.

• Nonostante sia la fonte di elezione dispone di un numero di revisioni sistematiche ancora limitato.

• Molte RS si riferiscono ad aree grigie.


THE COCHRANE LIBRARY

• The Cochrane Database of Systematic Review (CDSR)

• The Database of Abstract of Review of Effectiveness (DARE)

• The Cochrane Controlled Trial Register (CCTR)

• The Cochrane Review Methodological Database (CRMD)


3le linea guida

3le linea guida


Chi produce linee guida?

• Agenzie internazionali

• Agenzie nazionali

• Agenzie governative

• Agenzie regionali

• Aziende sanitarie


Linee guida: perché?

• Variabilità degli interventi professionali;

• esigenza di confronto tra attori diversi con differenti punti di vista (amministratori, pazienti, operatori);

• crisi dei sistemi sanitari;• crescente complessità ed aumentata

insorgenza di obsolescenza delle tecnologie sanitarie;

• aumentate aspettative da parte della popolazione.


Tipi di linee guida

• percorso diagnostico: presentazioni cliniche come la dispepsia, il dolore toracico;

• practice guideline: malattie o sindromi, come l’ulcera peptica o infarto del miocardio:


Tipi di linee guida

• tecnology assessment: applicazione di test diagnostici, come la gastroscopia o la coronarografia, l’uso di trattamenti come i trombolitici;

• guidance: o aspetti organizzativi.


La variabilità dei comportamenti

• Fattore legato al sistema: se il sistema di finanziamento è a prestazione, i professionisti tenderanno ad eseguire maggiori prestazioni;

• Fattore legato al comportamento del professionista (variabilità delle conoscenze e delle condotte);

• Fattore legato alla variabilità del paziente.


Gli ingredienti fondamentali per il successo di una organizzazione

sanitaria sono:

cultura, cultura, culturacultura, cultura, cultura


Grazie per Grazie per l’attenzione l’attenzione

La statistica è come il bikini: ciò che rivela è suggestivo, ma ciò che

nasconde è vitale

Qualche cenno di statistica


La gran parte delle ricerche ha a che fare con fatti numerici.

Questi fatti numerici sono chiamati dati.

I dati vengono ottenuti contando o misurando.

La statistica serve a presentare ed analizzare in modo obbiettivo questi dati.

Qualche cenno di statistica


Obiettivi della statistica

• organizzare, riassumere e presentare i dati in modo ordinato:

Statistica descrittiva

• prendere decisioni che riguardano un vasto corpo di dati esaminando solo una piccola parte dei dati stessi:

Statistica inferenziale


Se vogliamo prendere decisioni su una grande quantità di dati esaminando solo una parte di quei dati, è indispensabile prendere in considerazione i concetti di:

popolazionecampionecampionamento casuale.

Popolazioni e campioni


Popolazione

Viene definito come POPOLAZIONE l’insieme di tutti i valori che una variabile statistica può assumere.

Per esempio, se un ricercatore ha bisogno di trarre conclusioni sulla concentrazione di glucosio nel sangue dei bambini di una certa età, la popolazione che gli interessa è composta da tutti i bambini di quell’età


Campione

• Di solito la popolazione è tanto grande che viene preso in considerazione e misurato solo un sottoinsieme della popolazione stessa.

• Questo sottoinsieme viene assunto come un CAMPIONE della popolazione di partenza.

• Dalle caratteristiche del campione si possono trarre inferenze sulle caratteristiche della popolazione da cui il campione proviene.


Campionamento casuale• Per ottenere delle informazioni attendibili su una

popolazione utilizzando un campione, è necessario che il campione sia ottenuto in modo casuale.

• Perché un campione possa essere considerato casuale, è indispensabile che ogni membro della popolazione in oggetto abbia la stessa probabilità di essere selezionato.

• Un campione non casuale non da alcun affidamento: in altre parole tutte le inferenze da esso tratte non sono da prendersi sul serio.


Prevalenza e incidenza

• l'insieme di tutti i casi esistenti in un determinato momento ed in una determinata popolazione

• il verificarsi di nuovi casi

Le misure di frequenza delle malattie possono descrivere:


La prevalenza misura il numero di individui di una popolazione che, in un dato momento, presentano la malattia. Poiché il fattore «tempo» - a rigore - non è importante nel calcolo della prevalenza, questa misura è di tipo statico e non può essere definita come «tasso»; si tratta invece di una «proporzione» che, quindi, assume un valore compreso fra 0 e 1.


L'incidenza misura il numero di individui che vengono colpiti dalla malattia in un determinato periodo di tempo. Essa misura, cioè, il numero di nuovi casi nel periodo di tempo ed individua il rischio (cioè la probabilità) di ammalare cui è soggetto un individuo esposto in quella popolazione. Si può anche dire che l'incidenza misura la velocità di spostamento dallo stato di salute (assenza di malattia) allo stato di malattia


Un’ipotesi è un’affermazione relativa ad un evento futuro, o comunque ad un evento il cui risultato è sconosciuto al momento in cui l’affermazione viene fatta, costruita in

modo da poter risultare non vera e pertanto respinta

(H. M. Blalock)


ipotesi nulla H0 ipotesi alternativa H1

Non esiste una reale differenza tra le variabili studiate: le differenze osservate sono dovute la caso

Le differenze osservate sono troppo grandi per essere dovute al caso


Livello di probabilità p = 0.05 Livello di probabilità p = 0.01

p > 0.05c’è una probabilità superiore al 5% che una differenza tra le variabili studiate si verifichi solamente a causa della variabilità campionaria

1. non si può rifiutare l’ipotesi nulla

p > 0.01c’è una probabilità superiore al 1% che una differenza tra le variabili studiate si verifichi solamente a causa della variabilità campionaria

1. non si può rifiutare l’ipotesi nulla

p < 0.05c’è una probabilità inferiore al 5% che una forte differenza tra le variabili studiate si verifichi solamente a causa della variabilità campionaria2. si può rifiutare l’ipotesi nulla ed accettare l’ipotesi alternativa

p < 0.01c’è una probabilità inferiore al 1% che una forte differenza tra le variabili studiate si verifichi solamente a causa della variabilità campionaria2. si può rifiutare l’ipotesi nulla ed accettare l’ipotesi alternativa


Abbiamo effettuato una sperimentazione su due gruppi di individui affetti da una determinata malattia. Uno dei due gruppi è stato trattato con il farmaco A e l'altro con il farmaco B; gli individui trattati con A sembrano guarire con maggiore frequenza di quelli trattati con B. Calcolando il valore p otteniamo una stima quantitativa della probabilità che le differenze osservate siano dovute al caso. In altre parole, p è la risposta alla seguente domanda: «se non ci fossero differenze fra A e B, e se la sperimentazione fossa eseguita molte volte, quale proporzione di sperimentazioni condurrebbe alla conclusione che A è migliore di B?»

ESEMPIO


intervallo di confidenza

L'intervallo di confidenza fornisce informazioni riguardo alla precisione dei valori ottenuti attraverso lo studio di un campione.

l'intervallo di confidenza rappresenta un parametro di fondamentale importanza soprattutto negli studi epidemiologici in cui la variabilità campionaria, derivante dall'osservazione di un piccolo numero di casi, può giocare un ruolo importante nell'interpretazione dei risultati.


intervallo di confidenza

Intervallo di confidenza al 95%

Intervalli dei valori in cui ho una probabilità di trovare il valore vero


Supponiamo che in uno studio su una determinata patologia siano risultati affetti dalla malattia 18 individui su 180 esaminati. La prevalenza è: 18/180 = 0.1, cioè 10%

ESEMPIO

Calcolo dell’indice di confidenza


Pertanto, il limite inferiore dell'intervallo di confidenza 95% è 0.056 (5.6%) ed il limite superiore 0.145 (14.5%). Ciò significa che, in media, il 95% di tali intervalli derivanti da studi privi di errori sistematici contiene il parametro vero della popolazione. In altre parole, possiamo essere abbastanza sicuri che la percentuale di individui affetti da quella specifica patologia nella intera popolazione da cui è stato tratto il campione sia compresa fra 5.6 e 14.5%.

Calcolo dell’indice di confidenza


Variabili dipendenti

Media del gruppo

sottoposto al

trattamento

Media del gruppo di controllo

Differenza media

IC 95%

Peso alla nascita (in grammi)

3032 3050.4 - 18.2Da

– 98.7A

62.4

Punteggio di stimolazione cognitiva ed emozionale

32.3 30.9 1.3Da 0.4A

2.2Kitzman H et al. Effect of prenatal and infancy home visitation by nurse on pregnancy outcome, childhood injuries and repeat childbearingA randomized controlled trial. Jama 1997


L’efficacia negli studi

I dati all’interno degli studi possono riguardare variabili continue (glicemia, temperatura, pressione, colesterolemia) o variabili discrete o dicotomiche (vivo o morto, frattura o non frattura, guarito o non guarito).Nel primo caso i ricercatori riportano l’intervallo di valori nel quale si modificano in seguito all’intervento, confrontando le medie o le mediane dei valori.Nel secondo caso i ricercatori riportano la frequenza con cui si verifica l’evento.


Esempio – variabili continueLa somministrazione di lidocaina nebulizzata prima dell’inserimento del sondino naso gastrico riduce il discomfort del paziente?

PP: Adulti da sottoporre a posizionamento del SNG in pronto soccorso.

II: nebulizzazione di lidocaina nella narice da utilizzare.

CC: nebulizzazione di soluzione fisiologica.

OO: disagio misurato attraverso una scala visuale analogica (misura continua), difficoltà di inserimento del sondino (misura continua), complicanze (sanguinamento, vomito, impossibilità di passaggio, dispnea – misure discrete).

Cullen l, et al. Nebulized lidocaine decrease the discomfort of nasogastric tube insertion: a randomized, doubleblind trial. Ann Emerg Med 2004; 44: 131-7.


Esempio – variabili continue e discrete

OutcomeLidocain

aPlacebo

Differenza (IC 95%)

Disagio riferito (media dei

punteggi della scala visuale analogica)

37.7 59.3 26.6 (5.3 a 38.0)

Difficoltà percepita

dall’infermiere nell’inserimento

del SNG

2 2 0 (-1 a 1)

Sanguinamento nasale 17% 0 17% (3,5-31)

Vomito 10% 0 10% (-0,7-21)


Misure di efficacia per gli esiti discreti

Il primo passaggio per capire le diverse misure di efficacia consiste nel tabellare i dati.

Evento Sì Evento No

Gruppo sperimentale Gruppo dicontrollo

a b a + b

c d c + d

a + c b + dCentro studi EBN - Bologna

La misura degli effetti quando si utilizzano outcome discreti Experimental Event Rate Frequenza (o rischio) nel gruppo

sperimentale a

EER = ------------ a + b

Control Event Rate Frequenza (o rischio)

nel gruppo di controllo c

CER = ------------ c + d

La EER ci dice con che frequenza l’evento

indesiderato si è verificato

nel gruppo sperimentale

La CER ci dice con che frequenza l’evento

indesiderato si è verificato

nel gruppo di controllo

La misura degli effetti quando si utilizzano outcome discreti

Rischio Relativo a EER -------------- a + bRR = ------------ = ------------- c CER -------------- c + d

Dal rapporto tra EER e CER individuiamo il Rischio Relativo che ci dice qual è il rischio di manifestare l’evento negativo nel gruppo

sperimentale rispetto a quello del gruppo di controllo.Se l’intervento ha un effetto benefico RR<1

Se peggiora l’esito RR>1 Se non c’è differenza RR=1


L’odds ratio (OR)

a/b OR = ------------ c/d

A volte per motivi statistici anziché essere calcolato il

RR troviamo indicato l’odds ratio che non

confronta le frequenze (rischio) degli eventi, ma

le loro probabilità.Se l’intervento ha un

effetto benefico OR<1Se peggiora l’esito OR>1

Se non c’è differenza OR=1


Il difetto di RR e di OR

Sia il RRRR che l’ORl’OR sono misure della forza dell’associazione tra trattamento ed esito RELATIVE. Esse, cioè, non ci danno espressione della importanza clinica degli eventi nei due gruppi.

Per questo motivo, per comprendere la rilevanza clinica degli effetti, vengono calcolate altre misure di efficacia.



Riduzione Rischio Assoluto

ARR = CER -

ERR

Riduzione

Rischio Relativo

ARRRRR = -------------

CER

La riduzione del rischio assoluto ci dà l’esatta

espressionedi quanto si riduca la frequenza

degli eventi negativi con il trattamentosperimentato.

La riduzione del rischio relativo dice con che

proporzione diminuisce il rischio con

il trattamento sperimentato.

I difetti di e RRR di ARR

La RRRRRR è di nuovo una misura relativa, che non ci dà idea della frequenza, e quindi dell’importanza, dell’evento negativo.Al contrario ARRARR è proprio espressione di questa misura, ma essendo un numero decimale non è facile da ricordare.Per questo motivo la misura che rende al meglio l’importanza clinica dell’associazione tra trattamento ed outcome è il NNTNNT.


Number Needed to Treat

1

NNT = ---------- ARR


Il numero dei pazienti da trattare ci dice il numero di quante persone è necessario

trattare per evitare un evento negativo. Si tratta di

un valore espresso connumeri interi (e quindi è più

facile da ricordare)tanto più è piccolo tanto

maggiore è l’efficacia clinicadel trattamento.

Tanto più è grande tanto più è modesta l’efficacia

del trattamento.

Gruppo sperimentale

1 999 1000

Gruppo dicontrollo

2 998 1000

Inventiamoci uno studio relativo alla efficacia della terapia anticoagulante nella prevenzione della embolia polmonare post operatoria.

Calcolate la EER, la CER, il RRR, il RR, la ARR, l’NNT

Evento Sì

Evento No

Facciamo una prova


Rifacciamo i contiInventiamoci uno studio relativo alla efficacia della terapia anticoagulante nella prevenzione della embolia polmonare post operatoria.

Evento Sì

Evento No

Calcolate la EER, la CER, il RRR, il RR, la ARR, l’NNT

Gruppo sperimentale

100 900 1000

Gruppo dicontrollo

200 800 1000


Un esempio realeLa somministrazione di un integratore di

Vitamina D3 per via orale riduce l’incidenza di fratture negli anziani (65-85) residenti al domicilio?

P: anziani residenti al domicilio.Intervento: somministrazione di un

integratore di Vit D3.Confronto: somministrazione di un

placebo.Outcome: Incidenza di fratture e

mortalità da tutte le cause.Trivedi DP, Doll R, Khaw KT. Effect of four montly oral vitamin D3 supplementation on fracutres and mortality in men and women living in the community: randomised double blind controlled trial. BMJ 2003; 326:469-72.

Un esempio reale

Rischio Relativo EER 0,088RR = ---------- = -------- = 0,8

CER 0,11

Riduzione del rischio relativo= di quanto si riduce il rischio nel gruppo sperimentale?Riduzione rischio assoluto = differenza (%) fra controllo e sperimentale

Gruppo intervento

Frattura Non frattura

N. Tot.

Trattamento sperimentale

119 1226 1345

Trattamento controllo

149 1192 1341

Riduzione Rischio AssolutoARR= CER - EER= 0,11 – 0,088 = 0,022


Riduzione Rischio Relativo Number Needed to Treat ARR 0,022 1 1RRR = ---------- = -------- = 20% NNT = ---------- = -------- =

46CER 0,11 ARR 0,022

Un esempio reale Riduzione del rischio relativo= di quanto si riduce il rischio nel gruppo sperimentale?Riduzione rischio assoluto = differenza (%) fra controllo e sperimentale

Gruppo intervento

Frattura Non frattura

N. Tot.

Trattamento sperimentale

119 1226 1345

Trattamento controllo

149 1192 1341


Un altro esempio: torniamo sulle LdD

Rischio Relativo (RR) a EER -------------- 0,073 a + bRR = ------------ = ----------------- = -------------- = 1,37 c CER -------------- 0,053 c + d

Un RR di 1,37 indica che le persone con un BMI basso hanno un rischio di 1,37 volte maggiore (o del 37%) di presentare l’esito, rispetto a quelli con elevato BMI.

Odds Ratio (OR) a/b 0,078OR = ------------ = ----------------- = 1,39 c/d 0,056

Un odds ratio di 1,39 indica che le persone con un BMI basso hanno una probabilità di 1,39 volte maggiore (o del 39%) di presentare l’esito, rispetto a quelli con elevato BMI.



1

NNH = ----------------------- = 50

0,073 – 0,053

Nel nostro esempio quindi per ogni 50 persone con un BMI basso 1 sviluppa lesioni da decubito.


Gruppo formatori

• Paolo Chiari • Paolo Baldazzi• Catia Biavati• Daniela Mosci• Enrico Naldi• Barbara Ruffini

Grazie per l’attenzione alla 2° giornata


Evidence-based nursing 2° giornata

Documents

Transcript of Evidence-based nursing 2° giornata